基于公交IC卡和AVL数据的客流OD推导方法

公交IC卡收费系统和车辆定位系统的广泛应用,为获取公交客流OD提供了新的途径。针对现有公交客流OD推导算法的不足,从上车站点识别和下车站点推导两方面入手,对公交客流OD推导算法进行了改进。为了修正公交IC卡数据时间偏差,提高上车站点识别的准确性,在分析公交乘客上车刷卡行为的基础上,提出了基于AVL数据的公交IC卡数据时间修正方法。根据公交出行链的特性差异,将公交出行链划分为连续链和非连续链两大类,在此基础上,建立了不同公交出行链的下车站点推导模型,优化了下车站点推导流程。以苏州市的公交IC卡和AVL数据为例进行实例研究,通过对推导结果合理性的讨论分析,论证了改进算法的可行性和有效性。实践表明,改进后的公交客流OD推导算法流程清晰,易于程序实现,可以用于公交客流的自动分析。     

不完备信息下公交断面客流的推算模型

为解决不完备交通数据信息下城市公交线路的断面客流量的计算问题,以断面客流的预测为研究对象,探讨了公交车站下车客流的预测模型。运用区段覆盖的思想,将公交沿线以客流集散点为中心划分成不同的客流分布区段。结合各站点的区位条件、客流条件建立不同区段内的公交分担率模型。以此为基础结合公交IC卡上车客流数据构建各车站的下车客流预测模型,结合上车客流、下车客流与断面客流三者的关系模型,计算得到公交断面客流量。最后以西安市某条公交线路某个时段的上车刷卡数据为例进行了模型的适用性分析,统计该条线路沿线各个站点周边300 m吸引范围内的土地利用性质以及人口密度,采用改进的遗传算法对模型中的未知参数进行标定。结果显示,待确定参数α和β分别取0.419 1和0.482 3时目标函数取得最优解,利用标定的结果计算该线路各车站的下车客流,进而求得断面客流量。通过与实际跟车调查结果对比,运用构建的模型预测得到的断面客流量与实际值存在一定的差异,平均相对误差在23%以内,平均绝对误差约为5人/断面,从整体结果来看预测的断面客流的变化趋势与实际调查断面客流情况基本一致,表明构建的模型具有一定的可靠性。     

公交站点停靠时间预测模型研究

基于对北京市六环内各方向23条公交线路不同站点的现状数据采集,提出了一种公交站点停靠时间预测模型.分析了上下车人数、车内拥挤度、车门数及公交车台阶数等影响因素对公交停靠时间影响程度.根据分析结果,排除台阶数对停靠时间的影响.由于北京市3门铰接车与2门车的停靠时间存在一定的差异,考虑公交车门数对上下车时间的影响,得到3门车公交下车客流分配关系;然后选择上下车人数及车内拥挤度2个因素作为自变量,建立了乘客上下车时间预测模型;进而通过回归分析开门时间最长的车门乘客上下车时间与站点停靠时间的关系,选取二次函数作为公交站点停靠时间预测模型.最后,对2条不同公交线路的公交预测停车时间及实地调查停车时间进行比较,其标准化均方差分别为0.151 0,0.178 2,表明该模型具有较高可靠性,可应用于公交行程时间的研究.      

An Approach on Station ID and Trade Record Match Based on GPS and IC Card Data

一票制(单次刷卡)公交线路IC卡数据中缺少乘客上车站点信息,为获得乘客上车站点信息,需要将IC卡交易数据与公交站点进行匹配.首先根据公交车辆GPS数据和公交IC卡数据分别推算站点间运行时间,建立匹配约束规则完成首次站点匹配,并求得公交车辆GPS系统与公交IC卡收费系统的时间平均偏差值,再将时间平均偏差嵌入数据匹配模型,利用禁忌搜索算法对其他未匹配的交易记录进行二次匹配.为作比较,数据试验还包括仅根据站点间运行时间对GPS和IC卡数据进行匹配,从而找到IC卡交易记录与公交站点对应关系.数据试验表明:在GPS数据较完整的条件下,该方法能够精确实现IC卡交易记录与上车站点的匹配,而对比试验方法的匹配精度为80％,低于本文所研究方法.     

公共交通智能化调度基础数据预测方法研究

智能公共交通系统是将信息、数据通信、电子控制、卫星定位、计算机网络等科学技术应用于整个公共交通系统中。站点、客流集散量预测及公交站点间运行时间预测是城市公共交通智能化调度最重要工作。本文研究的主要目的是为公共交通智能化调度基础数据提供预测方法。首先提出基于逐步回归分析的方法预测公交站点客流集散量，其次提出广义回归神经网络方法预测站点间运行时间，并在长春市实际应用中得到了验证。     

基于在线支付数据的公交客流特征分析方法——以三明市清流县为例

随着IC卡、移动支付等的普及,公交付费方式发生了巨大变革,由此产生的海量数据为全面、准确的把握公交运行特征提供了便利。公交客流特征分析中最重要的步骤在于下车站点的估算,为此提出一种基于乘客上车站点概率分布的估算方法。基于上下车站点等属性,通过统计学方法,可以得到公交分担比例、时间分布、距离分布、线站分布、特定群体公交服务情况等特征,为公交系统规划奠定基础。     

轨道交通服务能力瓶颈区段识别及其客流疏解策略研究

随着大城市轨道交通客流的持续快速增长,均质化的轨道站点组织设计与不均衡的站点客流之间矛盾开始显现,导致部分核心轨道站点在高峰时段形成了客流服务瓶颈。本文通过构建轨道站点间OD矩阵获取模型以及客流服务指标评估模型,力图在轨道建设前期阶段提前识别出客流服务的瓶颈区段,分析判断客流服务瓶颈产生的原因,提出优化轨道站点交通设计容量、疏导轨道交通客流需求、合理确定周边开发强度等疏解措施,避免形成轨道站点客流服务瓶颈。本文研究成果对优化核心轨道站点设计标准、促进轨道交通与常规公交协调互适、科学控制轨道周边土地开发强度等方面具有一定指引作用。     

面向地铁接驳需求的公交服务能力评估

城市公交与地铁之间的换乘服务能力极大影响整个公交网络的服务能力。为科学评估公交接驳地铁的服务能力,文中利用Python网络爬虫获取深圳市地铁刷卡、公交线路规划、公交站点位置等数据,选择换乘步行距离、换乘时间、换乘客流量作为评估指标,采用数据包络分析(DEA)构建公交接驳服务能力评估模型;以深圳市10个地铁站点为例,分别对其接驳公交线路的服务能力进行评估。结果表明,公交接驳服务能力主要取决于换乘距离、换乘选择及换乘客流。     

基于站点吸引的公交客流 OD 分布概率模型

在分析公交出行距离和下车站点的用地性质等因素对公交乘客下车概率影响的基础上,全面考虑站点对周边区域换乘的辐射影响,引入了1个新的影响因子---下车站点换乘能力,该因子利用以站点为中心,300 m到500 m为半径,可利用换乘的公交线路条数来表示;综合考虑上述3个影响因子,构建了基于站点吸引的公交客流O D分布概率模型。基于济南市公交IC卡数据,采用C++语言编程实现该模型,得出了公交客流出行的空间分布规律,并采用核查线法验证该模型的可行性和有效性。验证结果表明,该模型OD反推误差可以控制在10%之内,反推精度较高,较好的贴合实际,具有一定的工程应用价值。      

轨道交通上下车客流冲突量化分析

针对轨道交通微观设施管控措施科学性基础不足的现状,结合轨道交通客流对向冲突实际,以地铁上、下车乘客冲突现象为对象,通过深入分析客流冲突的影响因素和表征参数,利用数值模拟仿真上下车乘客的客流状态.随后,根据冲突行人流理论分析上、下车客流的行为特性,量化了客流在车门处的运行状况.根据上、下车客流冲突的影响程度,提出基于客流平均密度、平均行程时间、平均速度的量化模型,实现客流冲突量化分级.本文根据综合指标将客流冲突划分为5个等级.研究成果对准确把握客流对向冲突的预防和控制提供理论基础,为实际指导地铁客流组织管理提供科学支撑.     

基于灰色理论的公交候车排队客流预测

通过对公交站点的候车排队客流调查分析,研究了站点排队客流的特征,针对候车排队客流周期波动的特征,采用灰色理论的研究方法对于候车排队客流进行预测,并在此基础上应用最小二乘法的非线性拟合的方式对于残差进行预测,最后将灰色理论预测结果与残差预测结果进行整合.通过实例,验证了改进后的灰色理论在公交候车排队客流预测方面的有效性和可行性,并且取得了比较好的预测结果.     

基于ARMA模型的公交枢纽站客流量预测方法研究

分析了城市公交客流量预测的必要性,提出了运用时间序列模型进行短期预测的方法;以城市公交短期交通特征为基础,设计了公交站点的ARMA短期客流预测模型;研究了单线路公交站点客流传统行为,构建了重点区域的枢纽站总客流实时预测模型,并采用上海市五角场枢纽站客流数据对比验证了文中模型的可行性,提出了枢纽站公交调度的优化建议。     

基于IC信息和概率理论的公交OD反推方法

针对现有公交OD调查成本高昂、数据可靠性不高、影响因素考虑不全等问题,通过对公交IC卡信息的处理获得公交站点上下乘客人数及对公交乘客出行特征的分析,结合站点吸引率,提出了单条公交线路站点间OD反推结构化算法,并通过实例分析进行了有效性验证。结果表明该方法经济节约,数据可靠,易于实现。     

基于站点上下客人数的公交客流OD反推方法研究

通过公交出行行为特征调查分析,研究了公交乘客出行站数的概率分布.基于公交乘客下车概率,以公交站点上下客人数和路段客流量为约束条件,提出了单条公交线路客流OD矩阵的推算方法,通过实例分析,验证了该方法的可行性和有效性.     

基于GIS平台的地铁客流预测模型构建

借助GIS平台,对公交线网进行编码,并利用ArcGis的缓冲和叠加分析工具,建立公交站点和地铁站点的空间对应关系。根据调查得到的公交线路站间OD矩阵,利用地铁意向调查标定的参数结果,得到公交客流转移到地铁的比例。基于GIS平台构建的地铁客流预测模型,可以有效地提高建模速度,并能对公交线路调整进行快速反应。     

基于SP调查的乘客站点等待时间意愿研究

研究公交站点乘客等待行为,可了解乘客对于站点公交不准点的心理承受范围和意愿,用于站点时刻表的设计和智能公交调度.通过不同出行目的下的SP问卷调查,得到济南市的样本数据491份.公交延迟到达站点的样本数据分析发现乘客对于公交的延误平均可忍受的等待时间为4. 62 min.对年龄、性别、职业、月收入、上下班时间是否固定等影响因素进行敏感性分析,发现这些影响因素对站点乘客的等待时间没有显著差异.通过对不同出行时段和出行目的的分析发现,不同的出行目的下早高峰、晚高峰、平峰和周末乘客的等待时间差异比较大,公交调度应该在不同时段采取不同的策略.对于公交车提前到达公交站点时间的调研分析发现,80%左右的乘客希望公交仍按照原时刻表发车.基于以上分析总结出了不同可接受度的公交延误范围,以用于公交调度的范围参考.     

基于站点群体聚集性客流的公交串车调度优化

为提升城市公交准点率、减少延误，解决车辆串车问题，研究基于站点群体聚集性客流的公交调度优化方法。以乘客出行意愿、乘车属性、到站规律等标识公交客流变化特征，以车辆载客限制、站点延误、到达率、下车率等描述串车形成场景。考虑准时性、客流需求、调控策略等约束，采用实时混合控制策略，实现车头时距偏差与乘客总行程时间最小的多目标优化。提出的公交串车调度方法，考虑到乘客到达率的不确定性，并通过调控公交车辆站点驻站时间以及路段平均行驶速度，可满足站点时段性群体聚集公交客流出行需求，防范潜在的公交串车。在模型求解上，考虑到双目标优化视角的差异性，运用超车规则对串车场景下的出站车辆重新排序，设计基于NSGA-II的求解算法，以拥挤距离标定序度关系，以精英策略获取新种群，改进交叉算子，并基于TOPSIS法对获取的Pareto解集择优。最后，以实际公交线路为例进行案例分析，结果表明：基于站点群体聚集性客流的公交串车优化调度模型，系统考虑了乘客乘车属性与车辆载客限制，能够输出最优的车辆滞站与车速调整方案，并且能运算得出车辆离站时间、车头时距偏差、准点率、乘客等待时间以及乘客行程时间等多项运营指标。优化前后对比表...     

基于兴趣点数据的公交站点布局合理度物元分析评价

合理的公交站点布局有助于良好地服务城市居民出行.为深入评价并揭示公交站点布局与城市其他设施之间的联系,研究了基于兴趣点数据的城市公交站点布局合理度的评价指标.通过分析站点服务范围内兴趣点的特征,设计了兴趣点数量、距离与流量3个指标,给出了各指标的指标值和权值计算方法,并使用物元分析模型分别计算各站点的布局合理度.将所有站点的评分均值作为站点网的整体布局合理度.以徐州市丰县城区公交站点网络为例进行了指标标定和布局合理度评价的实际应用.对于案例的核心区和非核心区评价结果的比值,基于兴趣点数据的评价指标是3.75,传统的评价指标为1.40,而兴趣点在核心区和非核心区上分布的比值为3.32.该结果验证了所提出的基于兴趣点数据的指标在评价站点布局合理度上的可行性.      

公交站点网络规划多目标优化模型

为解决公交系统对路网交通流造成的延误积累问题。分析了公交站点对路段和路网交通流的影响因素和方式,采用多目标优化方法建立了求解设站策略最优解的数学模型,并通过统计分析和遗传算法建立了模型求解算法。研究结果表明:考虑区域路网公交站点服务水平的限制,通过求解公交站点网络规划多目标优化模型确定公交站点设置策略,可有效降低路网交通流平均延误时间。     

站点驻留时间估计和预测方法研究

针对公交车站点驻留时间存在较大变异性的特点,为了准确地预测公交车在站点的驻留时间,提高公交信号优先控制的效果,首先尝试采用概率模型来对公交车站点驻留时间进行估计和预测,但通过对多个站点的大量数据相关系数的计算和分析发现,下车乘客数和车上的乘客人数之间并不存在一定的线性关系,不完全满足概率模型的假设条件,以此为基础,采用多重线性回归并排除不显著因素,最后采用加权最小二乘回归模型来产生精确的参数估计。文中利用大量的实际调查数据,采用各种统计分析方法验证提出的站点驻留时间估计和预测模型的正确性。